一种卒中预后非线性关系数据的处理方法
本发明涉及统计数据处理,更具体地说,本发明涉及一种卒中预后非线性关系数据的处理方法。
背景技术:
1、在卒中患者长期预后评估及随访数据分析场景中,年龄、性别、炎症指标、营养指标及生存结局数据能够从不同维度反映患者的长期风险状态。现有方案通常基于既往病例及随访数据,采用cox比例风险分析、相关性分析及变量筛选方法确定与生存结局相关的预后变量,并进一步采用限制性立方样条对部分连续变量与死亡风险之间的非线性关系进行拟合,通过模型区分度、校准能力及重采样验证结果评价预后模型,以获得不同随访时点的风险统计结果及风险分层结果。
2、然而,对于连续预后变量的非线性关系处理通常依赖预先指定变量后直接进行整体拟合,缺少根据变量不同取值区间对应风险变化情况自动识别非线性区域的处理机制,难以准确确定风险变化由持续变化转入平缓或发生方向转换的局部位置;同时,固定拟合结构容易受样本分布和局部数据波动影响,使不同样本条件下获得的非线性转折位置及敏感区间发生偏移。现有重采样处理又多用于模型整体性能评价,难以利用重采样产生的位置偏移结果反向修正非线性关系搜索范围,导致局部非线性关系的识别、拟合及稳定性验证相互分离,影响卒中预后非线性关系数据处理结果的稳定性和可重复性。
技术实现思路
1、为了克服现有技术的上述缺陷,有如下方案,以解决上述背景技术中卒中预后变量非线性关系识别不稳定的问题。
2、为实现上述目的,本发明提供如下技术方案:
3、一种卒中预后非线性关系数据的处理方法,包括如下步骤:
4、s1、获取卒中对象的人口学数据、炎症指标数据、营养指标数据及生存结局数据,按照对象标识进行关联并依据数据完整程度形成卒中预后统计数据集合;
5、s2、对卒中预后统计数据集合执行统计关联分析、变量相关关系分析及重复收缩筛选,根据各变量在重复筛选中的保留情况确定变量保留稳定度,生成候选预后变量集合;
6、s3、按照变量取值顺序将候选预后变量划分为连续数据区间,分别确定各连续数据区间与生存结局数据之间的区间风险关联结果,根据相邻区间风险关联结果的变化方向及变化幅度确定非线性候选变量及候选敏感区间;
7、s4、对候选敏感区间进行递进细化,根据相邻细化结果中风险变化位置的稳定情况确定非线性转折位置及非线性敏感区间,并据此配置非线性拟合结构,生成非线性关系表征数据;
8、s5、对卒中预后统计数据集合进行重采样,根据不同重采样数据对应的非线性转折位置及非线性敏感区间执行稳定性校核,校核未通过时依据转折位置偏移情况调整候选敏感区间并重新递进细化,校核通过时确定目标非线性关系表征数据,并生成卒中预后统计处理结果。
9、进一步地,所述形成卒中预后统计数据集合,具体包括:
10、获取卒中对象的年龄和性别作为人口学数据,获取中性粒细胞与淋巴细胞比值、血小板与淋巴细胞比值、单核细胞与淋巴细胞比值、淋巴细胞与单核细胞比值、全身免疫炎症指数、系统炎症反应指数及全身炎症聚合指数作为炎症指标数据,获取体质指数、腰围、白蛋白、血红蛋白及总蛋白作为营养指标数据,并获取随访时间及全因死亡结果作为生存结局数据;
11、按照卒中对象标识对人口学数据、炎症指标数据、营养指标数据及生存结局数据进行关联,检测各关联记录中统计处理所需变量及生存结局数据的完整情况,根据完整情况生成对应的数据可用标记,将满足统计处理条件的关联记录按照统一字段结构组织,形成卒中预后统计数据集合。
12、进一步地,所述生成候选预后变量集合,具体包括:
13、分别对卒中预后统计数据集合中的各变量及生存结局数据执行生存风险统计分析,根据所得统计关联结果筛选形成第一候选变量集合;
14、对第一候选变量集合执行变量相关关系分析,对存在相关关系的变量进行关联标记,形成待收缩筛选变量集合;
15、基于卒中预后统计数据集合按照预设抽样方式重复形成多个筛选数据子集,对各筛选数据子集分别执行收缩筛选,并通过交叉验证确定对应的收缩筛选参数,记录各候选变量在不同筛选数据子集中的保留结果;
16、根据各候选变量在全部筛选数据子集中的保留频次及保留结果一致情况确定变量保留稳定度,将变量保留稳定度满足预设保留条件的变量确定为候选预后变量,形成候选预后变量集合。
17、进一步地,所述确定非线性候选变量及候选敏感区间,具体包括:
18、对候选预后变量,按照变量值由低至高排列对应的卒中预后统计数据,并按照各区间包含样本数量近似一致的方式划分为多个连续数据区间;
19、将连续数据区间作为区间分组标识,根据各区间内卒中对象的生存时间及全因死亡结果分别确定对应的区间风险关联结果,并按照连续数据区间的排列顺序形成区间风险变化序列;
20、依次比较相邻连续数据区间的区间风险关联结果,确定对应的风险变化方向及风险变化幅度,当风险变化方向发生转换、风险变化幅度连续增大或减小,或者风险变化由持续变化转为平缓时,将对应候选预后变量确定为非线性候选变量;
21、根据发生所述风险变化的连续数据区间及其前后相邻区间确定初始变化范围,将初始变化范围确定为非线性候选变量的候选敏感区间。
22、进一步地,所述对候选敏感区间进行递进细化,具体包括:
23、将候选敏感区间划分为多个连续的细化数据段,按照区间风险关联结果的确定方式分别生成各细化数据段对应的细化风险关联结果;
24、按照细化数据段排列顺序比较相邻细化风险关联结果,当风险变化方向发生转换或者相邻风险变化幅度的变化趋势发生转换时,将对应数据段之间的位置确定为本轮风险变化位置;
25、以本轮风险变化位置所在数据段及其前后相邻数据段形成下一轮待细化区间,缩小下一轮待细化区间的数据段宽度并重新确定风险变化位置;
26、比较当前轮次和上一轮次得到的风险变化位置,当连续预设轮次的风险变化位置之间的偏移均未超过预设位置容差时停止递进细化,将对应风险变化位置确定为非线性转折位置,并将停止细化时覆盖非线性转折位置的连续数据段确定为非线性敏感区间。
27、进一步地,所述配置非线性拟合结构并生成非线性关系表征数据,具体包括:
28、根据非线性转折位置、非线性敏感区间及候选预后变量的取值范围确定拟合节点候选位置,使非线性敏感区间内的拟合节点分布密度高于非线性敏感区间外的拟合节点分布密度,形成多个候选拟合节点组合;
29、分别按照各候选拟合节点组合对非线性候选变量执行限制性立方样条拟合,并将所得非线性拟合结果纳入生存风险统计模型,获得各候选拟合节点组合对应的风险变化关系;
30、分别判断各风险变化关系在非线性转折位置前后的变化方向是否与区间风险变化序列一致,并判断拟合所得转折位置是否位于对应非线性敏感区间内,对满足上述条件的候选拟合节点组合进行模型区分能力评价;
31、依据模型区分能力评价结果确定目标拟合节点组合,将目标拟合节点组合对应的非线性转折位置、非线性敏感区间、拟合节点位置及风险变化关系组织为非线性关系表征数据。
32、进一步地,所述执行稳定性校核,具体包括:
33、对卒中预后统计数据集合执行多次有放回重采样,形成多个重采样数据集合,并分别基于各重采样数据集合重新执行候选敏感区间细化及非线性拟合,获得对应的重采样非线性转折位置及重采样非线性敏感区间;
34、分别确定各重采样非线性转折位置相对于原非线性转折位置的位置偏移量,并统计位置偏移量未超过预设位置容差的重采样次数占全部重采样次数的比例,得到转折位置稳定比例;
35、分别确定重采样非线性敏感区间和原非线性敏感区间的交叠长度及二者合并覆盖长度,根据交叠长度相对于合并覆盖长度的占比确定对应的区间覆盖一致度;
36、当转折位置稳定比例达到预设位置稳定阈值,且满足预设覆盖一致阈值的重采样非线性敏感区间数量达到预设稳定比例时,确定稳定性校核通过,否则确定稳定性校核未通过。
37、进一步地,所述稳定性校核未通过时调整候选敏感区间,具体包括:
38、获取各重采样非线性转折位置相对于原非线性转折位置的偏移方向,并按照偏移方向对发生位置偏移的重采样非线性转折位置进行归集;
39、当达到预设比例的重采样非线性转折位置集中于候选敏感区间同一侧时,沿对应偏移方向扩展候选敏感区间的对应侧边界,当重采样非线性转折位置分别分布于候选敏感区间两侧且均达到对应预设比例时,同时扩展候选敏感区间的两侧边界;
40、基于边界调整后的候选敏感区间重新执行递进细化、非线性拟合及稳定性校核,直至稳定性校核通过或者达到预设最大修正次数;
41、稳定性校核通过时,将对应非线性关系表征数据确定为目标非线性关系表征数据,达到预设最大修正次数仍未通过时,对对应非线性候选变量生成非线性关系不稳定标记。
42、进一步地,所述确定目标非线性关系表征数据并生成卒中预后统计处理结果,具体包括:
43、所述候选预后变量集合包括年龄、性别、系统炎症反应指数、体质指数及白蛋白,其中,将白蛋白确定为非线性候选变量;
44、根据目标非线性关系表征数据确定待处理卒中对象的白蛋白数据所在数据区间,并依据所述数据区间对应的风险变化关系确定白蛋白的非线性风险贡献表征;
45、将年龄、性别、系统炎症反应指数及体质指数对应的变量数据同所述非线性风险贡献表征共同纳入生存风险统计模型,通过生存风险统计模型生成待处理卒中对象的卒中预后统计值;
46、将卒中预后统计值同对应的目标非线性关系表征数据进行关联,形成待处理卒中对象的预后统计数据记录。
47、进一步地,所述生成卒中预后统计处理结果,还包括:
48、根据生存风险统计模型及卒中预后统计值分别确定待处理卒中对象在一年、三年及五年随访时点对应的全因死亡风险统计值;
49、获取卒中预后统计数据集合中各卒中对象的卒中预后统计值,以所述卒中预后统计值的中位数确定风险分层边界,将待处理卒中对象的卒中预后统计值与风险分层边界进行比较,确定对应的高风险层级或低风险层级;
50、将卒中对象标识、卒中预后统计值、各随访时点对应的全因死亡风险统计值、风险层级、非线性候选变量标识、非线性转折位置、非线性敏感区间及非线性风险贡献表征进行关联,形成卒中预后统计处理结果并输出。
51、本发明一种卒中预后非线性关系数据的处理方法的技术效果和优点:
52、本发明通过构建卒中预后统计数据集合、候选预后变量稳定筛选、非线性候选识别、敏感区间递进细化及重采样稳定校核的数据处理链路,实现卒中预后变量非线性关系的自适应识别和稳定表征;在变量筛选阶段结合统计关联分析、变量相关关系分析及重复收缩筛选,根据变量在不同筛选数据子集中的保留频次及作用方向一致情况确定变量保留稳定度,降低单次样本划分及变量相关性造成的偶然筛选影响,使进入后续非线性分析的候选预后变量具有更好的稳定性。
53、在非线性关系处理阶段,按照变量取值划分连续数据区间,通过相邻区间风险关联结果的变化方向及变化幅度识别非线性候选变量和候选敏感区间,再对候选敏感区间进行递进细化,使风险变化位置逐步收敛并确定非线性转折位置及非线性敏感区间,据此配置局部节点密度不同的非线性拟合结构,减少固定节点整体拟合造成的局部关系偏移;进一步利用重采样结果对非线性转折位置及敏感区间进行稳定性校核,在校核未通过时依据转折位置偏移方向反向调整候选敏感区间并重新细化,使样本重构结果直接参与非线性关系修正,最终形成稳定的目标非线性关系表征数据及卒中预后统计处理结果,从而提高非线性预后关系识别的稳定性、可重复性及统计结果可靠性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com